4 results on '"Lemieux, Bénédicte"'
Number of results to display per page
Search Results
2. Implementation of the weak constraint 4D-Var in NEMOVAR
- Author
-
Lemieux, Bénédicte, Vidard, Arthur, Modelling, Observations, Identification for Environmental Sciences (MOISE), Inria Grenoble - Rhône-Alpes, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire Jean Kuntzmann (LJK), Université Pierre Mendès France - Grenoble 2 (UPMF)-Université Joseph Fourier - Grenoble 1 (UJF)-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Centre National de la Recherche Scientifique (CNRS)-Université Pierre Mendès France - Grenoble 2 (UPMF)-Université Joseph Fourier - Grenoble 1 (UJF)-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Centre National de la Recherche Scientifique (CNRS), and ANR-08-COSI-0016,VODA,Assimilation variationnelle de données pour des applications océaniques multi-echelles(2008)
- Subjects
[MATH.MATH-OC]Mathematics [math]/Optimization and Control [math.OC] - Abstract
4D-Var is designed to handle observations that are distributed in time over a given period and to compare them with the model state at the appropriate time. Usually 4D-Var seeks the initial condition of the assimilation period such that the model trajectory best fits the observations within this interval. In most of the current 4D-Var implementations, while errors in observations and background state are accounted for, the numerical model representing the evolution of the atmospheric flow is assumed perfect, or at least the model errors are assumed small enough to be neglected compared to other errors in the system. This assumption is often called strong constraint 4D-Var. When going toward high resolution, However, in weak-constraint 4D-Var a sequence of model states are estimated (rather than just the initial state), with the consequence that the tangent linear assumption is relied upon only for the shorter time segment between successive state estimates, and not for propagation of information throughout the assimilation window. The weak-constraint 4D-Var system is truly four-dimensional in the sense that the model state vector is determined at a succession of times within the assimilation window. The present report study the implementation of weak constaint 4D-Var in NEMOVAR
- Published
- 2012
3. Using a SEEK filter as data assimilation kernel in NEMOVAR inner loops
- Author
-
Lemieux, Bénédicte, Brankart, Jean-Michel, Vidard, Arthur, Modelling, Observations, Identification for Environmental Sciences (MOISE), Inria Grenoble - Rhône-Alpes, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire Jean Kuntzmann (LJK), Université Pierre Mendès France - Grenoble 2 (UPMF)-Université Joseph Fourier - Grenoble 1 (UJF)-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Centre National de la Recherche Scientifique (CNRS)-Université Pierre Mendès France - Grenoble 2 (UPMF)-Université Joseph Fourier - Grenoble 1 (UJF)-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Centre National de la Recherche Scientifique (CNRS), Modélisation des écoulements océaniques multiéchelles (MEOM), Laboratoire de glaciologie et géophysique de l'environnement (LGGE), Centre National de la Recherche Scientifique (CNRS)-Institut national des sciences de l'Univers (INSU - CNRS)-Observatoire des Sciences de l'Univers de Grenoble (OSUG), Université Joseph Fourier - Grenoble 1 (UJF)-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Institut national des sciences de l'Univers (INSU - CNRS)-Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA)-Université Savoie Mont Blanc (USMB [Université de Savoie] [Université de Chambéry])-Centre National de la Recherche Scientifique (CNRS)-Université Joseph Fourier - Grenoble 1 (UJF)-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA)-Université Savoie Mont Blanc (USMB [Université de Savoie] [Université de Chambéry])-Centre National de la Recherche Scientifique (CNRS)-Centre National de la Recherche Scientifique (CNRS)-Institut national des sciences de l'Univers (INSU - CNRS)-Observatoire des Sciences de l'Univers de Grenoble (OSUG), Université Joseph Fourier - Grenoble 1 (UJF)-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Institut national des sciences de l'Univers (INSU - CNRS)-Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA)-Université Savoie Mont Blanc (USMB [Université de Savoie] [Université de Chambéry])-Centre National de la Recherche Scientifique (CNRS)-Université Joseph Fourier - Grenoble 1 (UJF)-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA)-Université Savoie Mont Blanc (USMB [Université de Savoie] [Université de Chambéry])-Centre National de la Recherche Scientifique (CNRS), ANR-08-COSI-0016,VODA,Assimilation variationnelle de données pour des applications océaniques multi-echelles(2008), Observatoire des Sciences de l'Univers de Grenoble (OSUG), Université Joseph Fourier - Grenoble 1 (UJF)-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Institut national des sciences de l'Univers (INSU - CNRS)-Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA)-Université Savoie Mont Blanc (USMB [Université de Savoie] [Université de Chambéry])-Centre National de la Recherche Scientifique (CNRS)-Université Joseph Fourier - Grenoble 1 (UJF)-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Institut national des sciences de l'Univers (INSU - CNRS)-Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA)-Université Savoie Mont Blanc (USMB [Université de Savoie] [Université de Chambéry])-Centre National de la Recherche Scientifique (CNRS)-Centre National de la Recherche Scientifique (CNRS)-Observatoire des Sciences de l'Univers de Grenoble (OSUG), Université Joseph Fourier - Grenoble 1 (UJF)-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Institut national des sciences de l'Univers (INSU - CNRS)-Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA)-Université Savoie Mont Blanc (USMB [Université de Savoie] [Université de Chambéry])-Centre National de la Recherche Scientifique (CNRS)-Université Joseph Fourier - Grenoble 1 (UJF)-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Institut national des sciences de l'Univers (INSU - CNRS)-Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA)-Université Savoie Mont Blanc (USMB [Université de Savoie] [Université de Chambéry])-Centre National de la Recherche Scientifique (CNRS)-Centre National de la Recherche Scientifique (CNRS), Université Pierre Mendès France - Grenoble 2 (UPMF)-Université Joseph Fourier - Grenoble 1 (UJF)-Institut Polytechnique de Grenoble - Grenoble Institute of Technology-Centre National de la Recherche Scientifique (CNRS)-Université Grenoble Alpes (UGA)-Université Pierre Mendès France - Grenoble 2 (UPMF)-Université Joseph Fourier - Grenoble 1 (UJF)-Institut Polytechnique de Grenoble - Grenoble Institute of Technology-Centre National de la Recherche Scientifique (CNRS)-Université Grenoble Alpes (UGA)-Institut National Polytechnique de Grenoble (INPG), Modélisation des Ecoulements Océaniques à Moyenne et grande échelle [Grenoble] (MEOM), Université Savoie Mont Blanc (USMB [Université de Savoie] [Université de Chambéry])-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP)-Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA)-Université Joseph Fourier - Grenoble 1 (UJF)-Institut national des sciences de l'Univers (INSU - CNRS)-Centre National de la Recherche Scientifique (CNRS)-Université Grenoble Alpes (UGA)-Université Savoie Mont Blanc (USMB [Université de Savoie] [Université de Chambéry])-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP)-Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA)-Université Joseph Fourier - Grenoble 1 (UJF)-Institut national des sciences de l'Univers (INSU - CNRS)-Centre National de la Recherche Scientifique (CNRS)-Université Grenoble Alpes (UGA)-Centre National de la Recherche Scientifique (CNRS)-Observatoire des Sciences de l'Univers de Grenoble (OSUG), Université Savoie Mont Blanc (USMB [Université de Savoie] [Université de Chambéry])-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP)-Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA)-Université Joseph Fourier - Grenoble 1 (UJF)-Institut national des sciences de l'Univers (INSU - CNRS)-Centre National de la Recherche Scientifique (CNRS)-Université Grenoble Alpes (UGA)-Université Savoie Mont Blanc (USMB [Université de Savoie] [Université de Chambéry])-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP)-Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA)-Université Joseph Fourier - Grenoble 1 (UJF)-Institut national des sciences de l'Univers (INSU - CNRS)-Centre National de la Recherche Scientifique (CNRS)-Université Grenoble Alpes (UGA)-Centre National de la Recherche Scientifique (CNRS), and ANR-08-COSI-016,VODA,Variational Ocean Data Assimilation for multi-scale applications(2008)
- Subjects
[MATH.MATH-OC]Mathematics [math]/Optimization and Control [math.OC] - Abstract
Data assimilation (DA) is divided in two main branches: (i) variational assimilation and (ii) stochastic assimilation. Unlike variational assimilation, stochastic assimilation does not rely on a functional minimization with iterative process and gradient estimations. The stochastic branch includes Kalman Filter-type approaches and low rank approximations such as SEEK Filter. NEMOVAR is designed for variational applications, however its two stages inner-outer loops allow for different assimilation kernel in the inner loop. The present report study the use of a SEEK filter within NEMOVAR.
- Published
- 2010
4. Orbital and millennial-scale features of atmospheric CH4 over the past 800,000 years.
- Author
-
Loulergue, Laetitia, Schilt, Adrian, Spahni, Renato, Masson-Delmotte, Valérie, Blunier, Thomas, Lemieux, Bénédicte, Barnola, Jean-Marc, Raynaud, Dominique, Stocker, Thomas F., and Chappellaz, Jérôme
- Subjects
ATMOSPHERIC methane ,GREENHOUSE gases ,ATMOSPHERIC chemistry ,SPECTRUM analysis ,CLIMATE change ,OXIDATION ,METHANE ,ATMOSPHERIC temperature ,PHYSICAL sciences - Abstract
Atmospheric methane is an important greenhouse gas and a sensitive indicator of climate change and millennial-scale temperature variability. Its concentrations over the past 650,000 years have varied between ∼350 and ∼800 parts per 10
9 by volume (p.p.b.v.) during glacial and interglacial periods, respectively. In comparison, present-day methane levels of ∼1,770 p.p.b.v. have been reported. Insights into the external forcing factors and internal feedbacks controlling atmospheric methane are essential for predicting the methane budget in a warmer world. Here we present a detailed atmospheric methane record from the EPICA Dome C ice core that extends the history of this greenhouse gas to 800,000 yr before present. The average time resolution of the new data is ∼380 yr and permits the identification of orbital and millennial-scale features. Spectral analyses indicate that the long-term variability in atmospheric methane levels is dominated by ∼100,000 yr glacial–interglacial cycles up to ∼400,000 yr ago with an increasing contribution of the precessional component during the four more recent climatic cycles. We suggest that changes in the strength of tropical methane sources and sinks (wetlands, atmospheric oxidation), possibly influenced by changes in monsoon systems and the position of the intertropical convergence zone, controlled the atmospheric methane budget, with an additional source input during major terminations as the retreat of the northern ice sheet allowed higher methane emissions from extending periglacial wetlands. Millennial-scale changes in methane levels identified in our record as being associated with Antarctic isotope maxima events are indicative of ubiquitous millennial-scale temperature variability during the past eight glacial cycles. [ABSTRACT FROM AUTHOR]- Published
- 2008
- Full Text
- View/download PDF
Catalog
Books, media, physical & digital resources
Discovery Service for Jio Institute Digital Library
For full access to our library's resources, please sign in.